一种基于深度学习的柑橘病虫害智能诊断方法及系统技术方案
本发明专利技术公开了一种基于深度学习的柑橘病虫害智能诊断方法及系统，该方法的步骤：步骤1：基于专家经验建立黄龙病、炭疽病、溃疡病、黑星病、砂皮病和疮痂病这6类柑橘病害的图像数据集；步骤2：使用五种数据增强的方法扩充训练集和测试集；利用增强后的训练集和验证集对简化的DenseNet网络进行训练，保存模型至系统中；利用测试集对模型的性能进行评价。步骤3：在微信小程序的基础上建立了柑橘病诊断系统，用户通过手机使用小程序拍照/上传图像，通过上传的训练好的卷积网络模型进行诊断，再返回智能诊断结果及病虫害防治建议给用户，实现柑橘病虫害智能诊断。
An Intelligent Diagnosis Method and System for Citrus Pests and Diseases Based on Deep Learning
【技术实现步骤摘要】
一种基于深度学习的柑橘病虫害智能诊断方法及系统
本专利技术涉及一种基于深度学习的柑橘病虫害智能诊断方法及系统。
技术介绍
柑橘是世界上种植面积最大的水果之一。然而，日益严重的柑橘病害给广大的橘农带来了巨大的经济损失。随着移动设备的快速发展，移动服务在人民群众的日常生活中扮演着越来越重要的角色。如何开发基于移动服务的柑橘病害智能诊断系统，搭建橘农与专家之间的桥梁，实现让所有的橘农成为专家，是一个值得研究的课题。据不完全统计，世界上有140多个国家种植柑橘。由于气候变暖、禁止使用剧毒农药、柑橘树老化、除草剂滥用等因素，柑橘病虫害日益严重。柑橘黄龙病(Citrushuanglongbing，HLB)是柑橘生产上最具毁灭性的世界性病害，在亚洲、非洲、南美洲和北美洲的40多个国家都有该病的发生。目前，我国许多省份都受到黄龙病菌的侵害。柑橘黄龙病潜伏期长，早期也没有明显的特异性病症，与缺素、土壤病原物为害引起的变色容易混肴，常造成误判。目前，目前，多聚酶链反应(PCR)技术通常用于检测入侵柑橘的病原菌，来判断是否受到柑橘黄龙病菌的侵染。但由于柑橘黄龙病菌在柑橘体内分布不均匀，因取样部位、DNA提取等多种因素，常造成假阴性。炭疽病(Anthracnose)是柑橘最常见的病害之一，它具有危害广和危害时间长的特点，主要危害叶片、枝条、花、果实和果柄。炭疽病严重发生时常造成柑橘品种大量落叶、落花、落果、枝条枯死和果实腐烂。柑橘溃疡病(Canker)是柑橘栽培中面临的重大挑战，它主要危害柑橘叶片、枝梢和果实。幼树受害特别严重会造成落叶、枯梢，影响树势；果实受害重者落果，轻者带有...
【技术保护点】
1.一种基于深度学习的柑橘病虫害智能诊断方法，其特征在于，包括以下步骤：步骤1：基于专家经验建立6类柑橘病害的图像数据集；该6类柑橘病害是指：黄龙病、炭疽病、溃疡病、黑星病、砂皮病和疮痂病；步骤2：采用6类柑橘病害的图像数据集对卷积网络进行训练；从数据集中随机抽取图像组成训练集、验证集和测试集，每个类别的比例为6:2:2；使用五种数据增强的方法扩充训练集和测试集，利用增强后的训练集和验证集对简化的DenseNet网络进行训练，保存模型至系统中；并利用测试集对模型的性能进行评价；步骤3：在微信小程序的基础上建立了柑橘病诊断系统，用户使用小程序上传图像，通过上传的训练好的卷积网络模型进行诊断，返回智能诊断结果及病虫害防治建议给用户。
【技术特征摘要】
1.一种基于深度学习的柑橘病虫害智能诊断方法，其特征在于，包括以下步骤：步骤1：基于专家经验建立6类柑橘病害的图像数据集；该6类柑橘病害是指：黄龙病、炭疽病、溃疡病、黑星病、砂皮病和疮痂病；步骤2：采用6类柑橘病害的图像数据集对卷积网络进行训练；从数据集中随机抽取图像组成训练集、验证集和测试集，每个类别的比例为6:2:2；使用五种数据增强的方法扩充训练集和测试集，利用增强后的训练集和验证集对简化的DenseNet网络进行训练，保存模型至系统中；并利用测试集对模型的性能进行评价；步骤3：在微信小程序的基础上建立了柑橘病诊断系统，用户使用小程序上传图像，通过上传的训练好的卷积网络模型进行诊断，返回智能诊断结果及病虫害防治建议给用户。2.根据权利要求1所述的基于深度学习的柑橘病虫害智能诊断方法，其特征在于，使用5种方法来增强训练集和测试集:水平翻转、垂直翻转、水平-垂直翻转、增加亮度和对比度；其中，增加亮度和对比度的公式为:dst＝img1×α+img2×β+γ；其中dst为目标图像，为原图img1与img2的线性组合；img1与img2是两个大小相同的图像，通过改变α,β,γ的值来改变图像的对比度和亮度，img1为原始图像，img2为与原始图像大小相同的图像，所有像素值均为0，增加图像的对比度的参数为：α＝1.5，β＝3，γ＝0；增加图像的亮度的参数为：α＝1，β＝2，γ＝40；通过数据增强的方法扩充训练集和验证集能缓解过拟合问题。3.根据权利要求1所述的基于深度学习的柑橘病虫害智能诊断方法，其特征在于，使用简化...
【专利技术属性】
技术研发人员：秦姣华，向旭宇，潘文焱，谭云，
申请(专利权)人：中南林业科技大学，
类型：发明
国别省市：湖南,43
相关知识
中国科学院机构知识库网格系统: 基于深度学习的苹果花果信息感知与病虫害诊断技术研究
基于深度学习的柑橘病虫害动态识别系统研发
基于深度学习的病虫害智能化识别系统
深度学习之基于YoloV7植物病虫害识别及防治系统
基于深度学习的植物病虫害智能检测系统研究
基于故障树分析法的柑橘病虫害诊断专家系统
基于YOLOv8深度学习的葡萄病害智能诊断与防治系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战
基于深度学习的yolov7植物病虫害识别及防治系统
基于电子病历的作物病害诊断方法及系统
一种农作物病虫害智能诊断方法及系统.pdf
网址: 一种基于深度学习的柑橘病虫害智能诊断方法及系统技术方案 https://m.huajiangbk.com/newsview408344.html
| 上一篇: 玉米病虫害诊断与防治图谱 |
下一篇: 森林病虫害诊断及害虫预报专家系统 |
